随着计算机技术的迅速发展,基于视频的运动分析已成为计算机视觉领域中的一个研究热点。作为运动物体视觉分析中的核心技术和底层问题,将视频中的运动对象从动态场景中分割出来有着十分重要的意义,它是后续各种高级处理,如运动对象跟踪、物体分类及行为识别、事件检测等高层次的视频处理和应用理解的基础。论文介绍了视频对象分割技术在多媒体标准、视频监控、体育运动分析等领域的应用和研究状况,讨论了其在当今高速发展的信息时代的重要意义和应用价值,综述了国内外视频分割技术的发展现状,从空域帧内分割、全局运动估计、时空联合分割等几方面讨论了视频分割方法。并针对跳水运动视频的特点,对如何从动态场景中提取运动对象的问题开展研究。在此基础上,将视频对象提取方法应用于跳水和体操运动视频。论文针对视频图像的运动估计问题开展研究,提出了一种无回溯搜索的快速块匹配算法。算法基于快速模式匹配KMP算法思想,将图像中的块匹配转化为一个一维的串模式匹配。利用子块的自匹配特性,计算出子块中每一个像素的next值,当模式中第j个像素与主块中的像素“失配”时,从子块的next数组中找到第r个像素来继续进行比较,不需要回溯到开始匹配的位置,由此提高了搜索匹配块的效率。根据跳水运动视频中的运动员着装比较单一、肤色裸露的特点,将视频帧图像用图的形式表示出来可以划分为较少的连通分量,继而提出了一种基于局部图不规则块匹配视频分割方法。该方法首先将图像以图的数据结构表示,采用假设检验的方法来合并相邻区域的图像块。在分割得到第一帧前景区域之后,根据帧间运动的连续性,运用不规则块匹配方法找到当前帧中的前景区域,匹配准则借鉴了聚类分析中变量相关性的相关系数方法,取得了较好的匹配效果。实验结果表明,本文的方法能快速、准确地从跳水、体操运动视频中分割出视频前景运动对象。